近年来,随着国内外智能驾驶技术的发展,基于视觉的前方车辆检测作为智能车辆系统的关键技术已成为当前研究的热点之一,其目的是通过检测前方车辆来寻找智能车辆的可通行区域。本文主要研究基于单目视觉的车辆检测算法,利用车辆的阴影特征、纹理特征、灰度对称性特征、车尾灯及车牌等多个特征来检测前方车辆。分析和对比了国内外有关车辆检测算法,本文提出了一些相应的改进方法,并设计与实现了前方车辆检测系统。其主要研究内容有以下三点：(1)提出了一种改进的阈值化算法,该算法采用局部灰度值统计与双OTSU算法综合使用的方式来计算分割阈值。首先统计预设区域内的灰度信息,当统计信息有效时,利用局部灰度均值与方差计算分割阈值,而失效时利用双OTSU算法计算分割阈值。(2)根据分割阈值将灰度图像二值化,并采用膨胀、腐蚀等形态学方法对二值图像进行处理。利用阴影区域的形状特征,在二值图像中初步提取目标区域；最后根据阴影区域与车体之间的位置关系提取感兴趣区域。(3)综合利用车辆尾部的纹理特征、灰度对称性特征、车尾灯及车牌信息进行感兴趣区域确认。首先统计感兴趣区域的熵值,剔除熵值较小的路面区域；然后计算感兴趣区域的灰度对称性,去除不满足对称性度量的区域；最后将感兴趣区域进行颜色空间转换,在HSV空间中搜索车尾灯对,并在车尾灯对之间搜索车牌,根据搜索结果进行感兴趣区域判定。使用Visual Studio2008开发工具和OpenCV2.2图像处理库,设计并开发了前方车辆检测系统。实验结果表明,本文的车辆检测算法能够有效的检测出前方车辆,并能够满足实时性要求。